随机趋势的时间序列模拟

一般可以模拟为

         Yt=Mt+et;

一） 基本方法：

根据对Mt所做的假设不同,又可以细分为不同类型:

         1), 假设Mt在连续两个时间点几乎是不变的,根据OLS

               argmin{ SUM(Yt-j - beta)^2, j<-{0,1} }

         2), 假设Mt在连续3个时间点曾线性变化,根据OLS

               argmin{SUM(Yt-j - beta0 - j*beta1)^2, j<-{-1,0,1}}

         3), 假设Mt是由随机游动模型支配, 即Mt=Mt-1+et;

               那么可证明Yt一阶差分是MA(1)过程;

         4), 假设Mt=Mt-1 + Wt；Wt=Wt-1 + et;

               那么可证明Yt二阶差分是MA(2)过程;

二）其他变换：

如果，时间序列Yt（如electricity数据）的方差随着其均值曾比例变大，那么可以使用对数变换。

给定,

       E(Yt)=ut, std(Yt)=ut * theta;

可以证明(通过泰勒展开Yt=ut+(Yt-ut)/ut; 

       E(log(Yt))~=log(ut), Var(log(Yt))~=theta^2; (theta为方差)

那么，经过变换后，Yt将是常方差序列。

解决了方差变异性后，就可以采用上述基本方法进行平稳变换了。